Known and Missing Left Ventricular Ejection Fraction and Survival in Patients with Heart Failure: A MAGGIC Meta-Analysis Report
Notice bibliographique
Résumé
AIMS: Treatment of patients with heart failure (HF) relies on measurement of LVEF. However, the extent to which EF is recorded varies markedly. We sought to characterize the patient group that is missing a measure of EF, and to explore the association between missing EF and outcome. METHODS AND RESULTS: Individual data on 30 445 patients from 28 observational studies in the Meta-Analysis Global Group in Chronic Heart Failure (MAGGIC) project were used to compare the prevalence of co-morbidities and outcome across three groups of HF patients: those with missing EF (HF-mEF), reduced EF (HF-REF), and preserved EF (HF-PEF). A total of 29% had HF-mEF, 52% HF-REF, and 19% HF-PEF. Compared with patients in whom EF was known, patients with HF-mEF were older, had a greater prevalence of COPD and previous stroke, and were smokers. Patients with HF-mEF were less likely to receive evidence-based treatment than those with HF-REF. Adjusted mortality in HF-mEF was similar to that in HF-REF and greater than that in HF-PEF at 3 years [HF-REF, hazard ratio (HR) 1.03, 95% confidence interval (CI) 0.95-1.12); HF-PEF, HR 0.78, 95% CI 0.71-0.86]. CONCLUSION: Missing EF is common. The short- and long-term outcome of patients with HF-mEF is poor and they exhibit different co-morbidity profiles and treatment patterns compared with patients with known EF. HF patients with missing EF represent a high risk group.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,016 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,008 | 0,039 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».